机采茶叶嫩芽的图像采集与识别

为了提高茶叶机采的智能化水平,笔者设计了由支架、弧形采收刀、割刀丝杆升降板、4个滚轮、2个驱动电机、控制器与蓄电池组等组成的茶叶采摘机试验平台;以YOLOv5s 6.0作为基础模型,将主干网络替换为MobilenetV3网络,在算法检测层前引入CBAM注意力模块,同时引入轻量级通用上采样算子CARAFE代替最近邻插值法,并通过添加权衡函数,改进CIOU损失函数等,建立茶叶嫩芽图像采集的数学模型YOLOv5s+。随后,以不同高度(10、20、30、40、50 cm)和角度(15°、30°、45°、60°、75°、90°)拍照的茶叶嫩芽图片为样本,检测其对网络识别精度的影响,发现当图像采集距离茶树顶部20 cm、拍摄角度为45°时,识别模型的训练结果最优。采用此参数下拍摄的图片集进行消融试验,YOLOv5s+对茶叶嫩芽识别的平均精度均值和召回率分别为0.935、0.912,较YOLOv5s的分别提高了2.97%、2.82%。

基于CAE技术的便携式采茶机关键部件运动及有限元分析

茶叶摘采是茶叶加工中的重要环节,针对安徽宣城地区茶树生长特点开展了便携式采茶机的研发。根据茶树生长数据进行采茶机整体方案设计,完成三维建模及装配。依据三维设计模型进行关键部件打叶杆的运动及CAE力学分析,建立数学模型进行精确量化计算。根据分析确定打叶杆回转半径r=60 mm、切割高度h=34.2 mm、最佳线速度u=1.6 m/s等关键运动参数。通过对比打叶杆采用三种材料在直径为8 mm、10 mm、12 mm条件下有限元分析结果,确定45号钢直径为10 mm为最优解。